通过因果信息最小化校正多模型偏差

该研究使用因果论方法学习混淆因素的表示并消除模型中的偏见。研究发现，学习到的混淆因素表示能够捕捉数据集中的偏见，并且提出的消除偏见方法在多个多模态数据集上提高了模型的离分布性能，而不损害分布性能。